200명. 2026년 가을학기부터 KAIST AX학과가 연간 모집하는 대학원생 수입니다(석사 150명 + 박사 50명). 국내 최초 AI 단과대학 소속으로, AI 알고리즘 자체가 아닌 산업 현장에 AI를 적용하는 ‘응용형 융합인재’를 양성한다는 점에서 기존 AI 대학원과 확연히 구별됩니다. 10년차 발전 R&D 엔지니어가 이 과정을 진지하게 고민하게 된 배경과 현실적 장벽을 데이터와 함께 정리합니다.
▲ KAIST AI 단과대학 4개 학과 구성. AX학과는 데이터/콘텐츠, 물리/제조, 바이오/소재, AI 지속가능성 4개 트랙으로 운영 (출처: 과기정통부)
KAIST AX학과, 정확히 뭐하는 곳인가
AX는 AI Transformation의 약자입니다. AI 자체를 연구하는 게 아니라, AI로 산업을 전환(Transformation)하는 데 초점을 둔 학과이죠. KAIST AX학과는 2026년 신설되는 AI 단과대학 4개 학과 중 하나로, 국내 대학 최초로 AI를 독립 단과대학 단위로 올린 것입니다.
| 항목 | 내용 |
|---|---|
| 소속 | KAIST AI 단과대학 (2026년 신설, 국내 최초) |
| 학과명 | AX학과 (AI Transformation) |
| 모집 시기 | 2026년 가을학기부터 |
| 연간 모집 규모 | 대학원 200명 (석사 150 + 박사 50) |
| 전임교원 | 학과당 5명, 총 20명으로 출발 (확충 예정) |
| 핵심 방향 | AI 알고리즘 연구가 아닌, 산업 현장 적용 중심 |
4개 특화 트랙 비교
| 트랙 | 분야 | 적합한 배경 |
|---|---|---|
| 데이터/콘텐츠 AI | 데이터 분석, 콘텐츠 생성/처리 | 데이터 사이언스, 미디어, 마케팅 |
| 물리/제조 AI | 제조 공정, 물리 시스템에 AI 적용 | 기계/전기/화학공학, 제조업 현장 경험 |
| 바이오/소재 AI | 생명과학, 신소재 개발 | 바이오, 재료공학, 화학 |
| AI 지속가능성 | 에너지, 환경, 사회 문제 해결 | 에너지공학, 환경공학, 정책 |
발전소 R&D를 10년 한 배경이면, 물리/제조 AI와 AI 지속가능성 트랙이 적합합니다. 연소 시험 데이터 분석, 설비 성능 예측, 운전 최적화 — 전부 도메인 지식 위에 AI를 얹어야 하는 영역이죠.
AI 활용의 현실: ‘어줍잖은 활용’과 ‘체계적 이해’의 격차
현재도 AI를 쓰고 있습니다. Claude Max 플랜을 구독해서 보고서 작성, 기술문서 분석, 실험 데이터 처리까지 돌리고 있죠. 생산성이 올라간 건 맞습니다.
하지만 가끔 이런 순간이 옵니다. AI에게 성능해석 결과의 원인 분석을 시켰는데, 그럴듯한 답이 돌아왔습니다. 논리적이고 매끄럽습니다. 그런데 틀렸습니다. 전공이라 금방 알아챘지만, LLM이 왜 이렇게 틀리는지 구조를 이해하기까지는 시간이 걸렸죠.
날림으로 AI를 쓰면서 시행착오를 겪는 것과, AI가 할 수 있는 것과 못하는 것을 기획 단계에서 정확히 판단하는 것. 이 차이가 결정적입니다. 지금은 전자에 가깝습니다. 체계적으로 배우고 싶다는 생각이 점점 강해졌습니다.
R&D 과제의 변화: AI 없으면 과제가 안 된다
R&D 연구과제의 흐름이 바뀌고 있습니다. 5년 전만 해도 정부과제에서 “AI 활용”은 가산점 수준이었죠. 지금은 과제 기획서에 AI 에이전트, 데이터 전처리, 예측 모델이 빠지면 심사위원이 먼저 묻습니다. “이거 AI 안 쓸 건가요?” 정부과제 제안서를 직접 제출해보면 이 변화가 얼마나 빠른지 피부로 느끼게 됩니다.
AI 활용 관련 학위는 지금 꽤 희소합니다. 현업 종사자 대부분이 몇 년 전에 학위를 받았고, 당시에는 AI 활용이라는 과정 자체가 많지 않았습니다. KAIST AX학과 같은 과정은 이제 막 생기기 시작한 겁니다.
현실적 장벽: 등록금, 시간, 육아
| 장학 유형 | 장학금 | 실제 납부액 (학기) |
|---|---|---|
| 국비장학생 | 881만 원 | 75만 원 |
| KAIST장학생 | 521만 원 + 학연장려금 360만 원 | 75만 원 |
| 일반장학생 (직장인) | 회사 파견 형태 | 회사 지원 여부가 관건 |
KAIST 박사과정 등록금은 학기당 약 955만 원, 1년이면 거의 2,000만 원입니다. 국비나 KAIST 장학생이면 학기당 75만 원까지 줄어들지만, 직장인 신분으로 회사 파견이 안 되면 전액 자비 부담이죠.
왜 하필 KAIST AX학과인가
AI를 배울 수 있는 경로는 많습니다. 온라인 강의, 부트캠프, 인플루언서 강좌. 실제 도구 사용법은 이런 채널에서도 충분히 배울 수 있습니다. 하지만 큰 맥락을 잡고 싶습니다. “이 도구가 왜 이렇게 작동하고, 어디에 쓸 수 있고, 어디에 쓰면 안 되는지”를 구조적으로 이해하는 것은 체계적인 학문 과정에서만 가능하다고 판단됩니다.
학위의 상징성도 현실적인 고려 사항이죠. R&D 과제 기획이나 심사 자리에서 “저 AI 프로젝트를 해봤습니다”라고 설명하는 것과, 관련 학위가 있는 것 사이의 차이는 큽니다. 내 입으로 말하지 않아도 전문성이 증명되는 구조가 되는 것입니다.
전망: 이 선택은 합리적인가
비유를 하나 들면 이렇습니다. AI를 모르는 것은 “출퇴근 거리가 먼데 운전을 전혀 할 줄 모르는 것”에 가깝습니다. MS Office를 못 쓰는 불편함과는 차원이 다르죠. 지금 AI를 잘 쓴다고 해서 5년 뒤에도 그럴 거라는 보장은 없습니다. 후배들은 대학원에서 AI를 정규 과정으로 배우고 들어오고 있죠. 체계적으로 배운 사람과 감으로 익힌 사람의 격차는 시간이 갈수록 벌어질 것이라 판단됩니다.
등록금, 시간, 육아. 장벽은 분명합니다. 그럼에도 이 과정이 제공하는 가치 — 도메인 지식 위에 AI를 체계적으로 장착하는 것 — 는 향후 10년의 커리어 궤적을 바꿀 수 있는 투자입니다. 아직 지원하지 않았습니다. 결정이 나면 후속 이야기도 공유하겠습니다.
– 2026년 가을학기 신설, 국내 최초 AI 단과대학 소속
– 연간 모집 200명 (석사 150 + 박사 50)
– 4개 트랙: 데이터/콘텐츠 AI, 물리/제조 AI, 바이오/소재 AI, AI 지속가능성
– 등록금: 학기당 955만 원. 장학생 시 75만 원
– 핵심 차별점: AI를 만드는 사람이 아닌, AI로 산업 문제를 푸는 사람 양성